搜索归档

Agent Skills：面向 AI 编程 Agent 的可复用技能集合

huangrx6/agent-skills · 一个面向 AI Coding Agent 的通用 Skills 集合，沉淀工程实践、工作流与视觉理解等可复用能力，通过标准化 SKILL.md 让 Agent 按需加载和执行，兼容 Claude Code、pi、OpenCode、Cursor、Codex 等多种 Agent 环境

该项目提供 9 个可独立安装的 Skill，每个 Skill 由目录中的 SKILL.md 和 README.md 组成，用于让 AI Coding Agent 按需加载并执行演示文稿制作、技术图绘制、COSMIC 拆分、Obsidian 笔记与工作管理、PingCode 查询与周报、Git 开发工作流及学习路线研究等能力。项目包含软链或复制安装脚本、官方 CLI 安装方式、锁文件校验、迁移与仓库体检等维护工具，兼容 Claude Code、Cursor、Codex 等多种 Agent 环境。

TalentPilot：招聘候选人筛选与面试评分表生成的多智能体系统

amandahervol-alt/TalentPilot-AI-Recruitment-Agent

TalentPilot 是一个用 Python 构建的多智能体招聘评估系统：Agent 1 对职位描述与简历进行候选人筛选，识别技能差距并输出结构化状态；Agent 2 依据差距生成 5 道针对性追问及 1-5 分评分矩阵。系统通过 Pydantic 校验 JSON 结构，支持 Anthropic Claude 在线推理并在无 API Key 时回退到离线启发式模式，输出 Markdown 评估卡与可交互 HTML 仪表盘，并附带 AI 工程、AI 产品经理和医疗数据分析三类示例数据集与 Pytest 测试。

KOKOCHI UI Agent Readability Lab：用 OpenTelemetry 观测和评估 LLM 对 HTML 结构不同的 Web UI 的解读

MasayukiYamagishi/kokochi-ui-agent-readability-lab · OpenTelemetryを使って、HTML構造の違いによるLLMのUI解釈を観測・評価する実験基盤

该项目是一个实验基座，用于在可复现条件下观察和评估 LLM 如何解读 Web UI 的 HTML 结构；它包含 semantic-first 与 presentation-first 的 Fixture 对比、基于 Ollama 的 LLM 推理、用 control-group-membership F1 评价，以及通过 OpenTelemetry 采集 trace、metrics、logs 并配合 Grafana 进行观测。公开版提供实验定义、代码与复现材料，不包含正式实验的原始 LLM 响应和执行结果。

Agent Skills Hub：集中管理与分发多领域 AI 技能的集合仓库

sutchan/Agent-Skills-Hub · 集中管理的 AI 技能

Agent Skills Hub 是一个集中管理的 AI 技能（Skill）集合，覆盖多个领域。每个技能为独立目录，包含 SKILL.md（含说明、触发描述与 frontmatter 元数据），并可选带 scripts/、references/、assets/、agents/ 资源。仓库提供中文目录与中文描述本地化，英文原文存于 en_description。用户可浏览技能后，将 skills/<name>/ 目录复制到 Agent 技能目录，依赖 description 自动触发或显式 @技能名 调用；也可借助 skills-manager 批量安装、更新与卸载。仓库附带基于 Express 的本地静态预览服务，技能元数据维护在 data/skills-data.json 与 data/skills-metrics.json。

AI Recruiter Assistant：基于 AWS Bedrock 的智能招聘平台，实现简历解析、候选人匹配与职位需求管理

srikanthbhompally8/ai-recruiter-assistant · "Intelligent recruitment platform powered by AWS Bedrock"

AI Recruiter Assistant 是一个端到端的招聘辅助平台，利用 AWS Bedrock 提供 AI 分析与语义搜索能力，自动化简历解析、候选人匹配和职位需求管理。后端采用 FastAPI、PostgreSQL 15 + pgvector 和 SQLAlchemy，前端采用 React 18、Redux Toolkit、Tailwind CSS 与 Vite，并包含 JWT 认证、REST API（Swagger 文档）和 Docker 等基础设施配置。项目当前为 Phase 1，后续规划包括高级匹配、面试安排、分析与 ATS 集成等。

Skills：Claude Code 等编码智能体的 Agent Skills 合集

angusfretwell/skills · A collection of Agent Skills for Claude Code and other coding agents.

该项目收集整理了一系列 Agent Skills，用于 Claude Code 及其他编码智能体，覆盖代码评审跟进、媒体附件、浏览器 QA、提交规范、PR 创建与合并、分支清理、代码润色、任务编排等开发工作流；通过 npx skills add 命令安装，可全局或按项目使用。部分技能依赖外部技能包，另有若干技能处于开发中。

proof-surface：校验 AI Agent 轨迹是否越权的证明包工具

HarperZ9/proof-surface · proof-surface checks an AI agent's trace against the permissions it was granted, and turns traces, evals and measurements into JSON packets with a verdict and report. Python, no dependencies.

proof-surface 是一个 Python 库和命令行工具，用于把 AI Agent 的轨迹（可读取 OpenTelemetry、LangSmith、Langfuse 导出或自有 JSON 格式）与授权清单中的允许动作、目标范围和有效期逐项比对，并把每个动作标记为 MATCH、DRIFT 或 UNVERIFIABLE，同时给出对应决策与可读报告。它还能把测量、评测、研究声明等记录转成带结论的 JSON 包，并针对各领域常见的过度声明做拒绝检查；此外提供证据包、工作记录、授权收据、委派链、预执行门控等基础校验器及多个外部工具导入适配器。

AI Code Quality Auditor：审计 AI 编码智能体是否按规格交付代码并衡量代码质量

dominicrume/ai-code-quality-auditor · An empirical safety harness for agentic AI coding systems: measures whether an AI agent built what the specification asked for, not just whether the code runs. Pre-registered, blinded, open data.

该项目是一个面向智能体式 AI 编码工作流的实证测量与审计工具。它从需求文档、README、包描述或 feat: 提交中提取规格并写入 .auditor/spec.yaml，然后逐项核对代码是否实现了所要求的功能（规格保真度，区分已交付、缺失、存在但不可达以及未被要求的内容），同时报告安全漏洞密度、圈复杂度、重复代码和返工等常规指标。它还支持在同一规格下对比人工基线与多个商业智能体工具的工作流，输出 CSV/JSON 供统计比较，并通过 CI 集成或本地仪表盘展示结果。项目带有学术研究背景（MSc 论文实验工具）与公开数据，也明确披露了自身的误报和方法学限制。

cv-agent：基于 Gemini 的简历与职位要求匹配评估工具

JoelAbrilM/cv-agent · An AI-powered recruitment assistant that compares CVs against job requirements and determines candidate fit.

cv-agent 是一个小型 Python 应用，读取本地 .txt 格式的简历文本和职位要求文本，调用 Google Gemini 生成结构化的辅助性评估，包括优势、技能缺口、可能未满足的硬性要求和指示性匹配分数，并依据“分数不低于 70 且无关键缺口”的演示规则给出推荐。项目使用 Pydantic 校验模型输出，自带模拟 Gemini 响应的单元测试，不包含数据库或网页界面；其说明明确强调结果仅供人工参考，不能作为招聘决策的唯一依据。

torch-neuronx：AWS Trainium 的原生 PyTorch 后端，支持 eager 执行、torch.compile、分布式训练与 NKI 自定义内核

aws-neuron/torch-neuronx · A native PyTorch backend for AWS Trainium with support for eager execution, torch.compile, distributed training, and custom NKI kernels

torch-neuronx 是 AWS Trainium 的原生 PyTorch 后端，通过 PrivateUse1 机制在 PyTorch 中新增 neuron 设备，让用户可以用熟悉的 PyTorch API 把模型和输入迁移到 neuron 设备上训练或推理。项目默认以 eager 模式逐算子执行，也可通过 torch.compile 的 neuron 后端编译模型或模型区域以提升性能；支持 torch.distributed、DTensor 与函数式集合通信，覆盖数据并行、张量并行和完全分片并行；并支持在 eager 模式和 torch.compile 编译图内调用 NKI 自定义内核。项目当前为 Beta，需要 Trn2 或 Trn3 实例及对应 Python 版本，并列出静态形状、连续张量、float64 降级等已知限制。

TorchTPU：在 Google TPU 上运行 PyTorch 模型与算子

google-pytorch/torch_tpu

TorchTPU 为 Google TPU 提供 PyTorch 后端，包含面向 TPU 的自定义 ATen 算子实现、用于优化 XLA 计算执行的编译缓存，以及分布式训练（数据并行、张量并行）和模型推理示例。项目还支持与 torch.compile() 集成进行图模式执行，并提供调试与性能基准工具。

MultiLangBench：多语言语言模型 SQLite 实现能力评测基准

openai/MultiLangBench · An eval based on SQLite that benchmarks language models in multiple languages.

MultiLangBench 是 OpenAI 发布的评测项目，要求语言模型依据 SQLite 3.40.1 文档，用指定编程语言实现一个 SQLite 兼容程序，并通过由 TCL 测试转换而来的测试套件进行验证。测试由初始数据库、用户查询和校验查询三部分组成，评分以（API 成本、测试通过率）二元组表示；完整测试共 24k 条，README 建议先运行以 00、01、02 开头的 272 条测试。

OpenEnv：面向智能体强化学习的隔离执行环境框架

openenv/OpenEnv · An interface library for RL post training with environments.

OpenEnv 是一个用于创建、部署和使用隔离执行环境的端到端框架，面向智能体强化学习后训练。它提供 Gymnasium 风格的 reset/step/state API（支持同步与异步，通过 WebSocket 连接），每个环境以 Docker 镜像形式在本地、云沙箱或 Hugging Face Space 上运行，并提供 40+ 个现成环境（游戏、代码沙箱、浏览器、金融、模拟器等）。项目支持与 TRL、Unsloth、SkyRL、ART、Oumi、torchforge、Miles 等训练框架配合，内置奖励组合与 Inspect AI 评测能力，同时可通过 CLI 脚手架创建、校验和推送自定义环境。

Agent Skills：为 AI 智能体提供可复用技能与工作流的开放格式规范

agentskills/agentskills · Specification and documentation for Agent Skills

Agent Skills 是一个轻量级开放格式，用于为 AI 智能体扩展专门知识与工作流。每个技能是一个包含 SKILL.md 的文件夹，其中写明名称、描述与操作指令，还可附带脚本、参考资料和模板等资源。智能体按“发现—激活—执行”的渐进式披露机制按需加载技能，从而降低上下文占用，并支持跨产品复用、可版本化管理的领域知识与多步骤流程。项目最初由 Anthropic 开发并作为开放标准发布，获得多种智能体客户端支持。

CVE-2026-109618 与 CVE-2026-109619：PHP2Shell 严重漏洞——它是什么、该怎么办

2026 年 10 月 21 日，PHP 项目发布紧急更新，修复两个代号 PHP2Shell 的严重漏洞（CVE-2026-109618 和 CVE-2026-109619），严重程度评分均为 CVSS 9.2。问题出在 PHP 自身：当请求处理中途失败时，PHP 没有把内部状态清理干净，攻击者可以故意触发失败，再借留下的残留数据，在无需登录的情况下远程执行任意代码，甚至泄露密码、令牌和 API 密钥。修复办法只有升级 PHP，已发布 8.5.12、8.4.27、8.3.36、8.2.35 四个补丁版本；8.1 及更早版本没有官方补丁，需要自行打源码补丁或用发行版回溯修复。漏洞细节在补丁发布前已泄露，Cloudflare 已观测到攻击，荷兰众议院和英国 NCSC 一度下线网站预防。普通用户和企业应尽快升级 PHP 或通过系统包管理器安装修复版本，用容器的要重新构建镜像，暂时无法升级的只能用官方建议的配置降低部分攻击路径风险。

Dynatrace 与 Cursor 打通 AI 原生开发的闭环

Dynatrace 宣布成为“SpaceX 超级智能合作伙伴网络”的启动伙伴，并推出一个已通过验证的官方插件，上架 Cursor 插件市场。原来开发者用 Cursor 这类 AI 编程工具写代码虽然更快，但代码编辑器和线上生产环境是割裂的：线上出故障时，开发者得先切到别的监控门户拼凑线索，才能弄清发生了什么、为什么发生。这次的做法是把 Dynatrace 的生产环境数据（由 Grail、Smartscape 和确定性因果根因分析提供）通过插件接进 Cursor，让 AI 代理和开发者直接在写代码的地方查看线上服务状态、依赖关系和根因。对使用 Cursor 的团队来说，排查线上故障、判断某个漏洞在真实运行环境中是否有影响、分析性能瓶颈，都可以不用离开编辑器，平台团队也能通过 Cursor 的团队市场分发插件并保留管理权限。目前该插件已作为受支持的集成可用，具体配置（平台令牌、MCP 服务器、Dynatrace skills 和 dtctl）需参考配套技术博客。

用 Agent Observability 优化 AI 成本

Datadog 推出 Agent Observability 的新功能，帮企业搞清楚 AI 智能体的钱花在了哪里。原来云厂商账单只按 API 密钥和模型统计，看不出是哪个应用、哪一步工作流在烧钱，所以成本一涨就很难查原因——可能是流量变大、换了更贵的模型，也可能是缓存没用上、对话历史每轮都重发。现在这个工具把估算的 AI 成本直接挂到具体应用和请求链路上，打开 Cost 页面就能按应用对比花费和效率（比如每次请求成本、缓存命中率），还能钻取到单次最贵的调用，看它的执行链路。它还会自动指出可省钱的点，比如未被缓存的提示词前缀，估算能省多少并给出修改建议。对读者来说，这意味着 AI 成本问题能更快定位到技术原因，而不是对着账单猜。目前材料只说明这是 Datadog 的产品能力介绍，未说明具体定价和正式上线时间。

用智能体自动修复把漏洞积压变成拉取请求

Snyk 推出了 Evo Remediation Agent 的开放预览版，它能自动处理开源依赖漏洞：按团队设定的仓库范围和严重级别，智能体在托管沙箱里制定升级方案、修改代码，并用构建、测试和重新扫描验证结果，然后给开发者开拉取请求，由开发者决定是否合并。这解决的是漏洞修不完、和开发日常工作抢时间的问题。官方在 307 个依赖升级任务上测试，该工具四项检查全部通过的比率为 90.2%，而配合 Snyk 发现结果的 Claude Code 为 77.5%，单用 Claude Code 为 59.6%。目前只是开放预览，需申请租户权限，有每日修复额度限制，且仅支持开源漏洞，智能体不会自动合并。

PHP 修复两个无需认证的严重 RCE 漏洞（CVE-2026-109618、CVE-2026-109619），并更新 CVE-2026-115560

PHP 项目在 2026 年 10 月 21 日发布了 8.5.12、8.4.27、8.3.36、8.2.35 四个版本，修复两个严重漏洞：攻击者不需要登录、也不用任何账号，只要发送恶意网页请求，就可能直接在服务器上运行自己的代码，危害极大。问题出在 PHP 引擎处理请求的流程里，而不是某个第三方包，所以升级 PHP 本身才是解决之道。官方说没有完全规避的办法，唯一安全的选择就是升级；如果仍用 8.1 或更早版本，需要找系统发行版或长期支持厂商拿回补丁，或者直接升级。另外 10 月 23 日补充了一个编号 CVE-2026-115560 的变体绕过问题，只有应用在运行时动态切换 session 序列化方式才可能受影响，普通部署可以暂时不用紧张。读者应尽快确认每台机器实际运行的 PHP 版本，不要只看扫描结果。

Google 将支撑 Gemini 智能体的基础设施开放为云服务

Google 宣布将把内部支撑 Gemini 智能体的计算基础设施，以 Agent Compute Engine 的形式开放给 Google Cloud 用户预览，时间在今年晚些时候。过去 Google 自家智能体用的这套系统，需要兼顾启动快和隔离安全：传统虚拟机太慢，容器又不够隔离，写代码的智能体还需要 root 权限和独立内核。现在每个智能体都跑在独立的微型虚拟机里，可以挂起、恢复，且沙箱内不放任何密钥，访问外部服务要经过代理校验身份和授权。对开发者来说，以后跑长时间、高权限的智能体任务可以少操心隔离和安全问题。目前只宣布了预览计划，具体定价和上线时间原文未说明。